Subsequent Injury Definition, Classification, and Consequence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To examine if different definitions of "recurrent injury" affect the distribution of subsequent injury types and their consequences. DESIGN: Secondary analysis of prospective injury data. SETTING: Circus shows. PARTICIPANTS: Circus artists (n = 1281). MAIN OUTCOME MEASURES: A subsequent injury after an index injury was categorized as (1) new injury: different location; (2) local injury: same location, different type; and (3) recurrent injury: same location/type. Subsequent injuries were stratified according to when they occurred after the index injury: early (≤90 performances), late (91-540 performances), and delayed (>540 performances). "Healed injury" was either date of return to full participation (RTP) or last treatment. RESULTS: Eight hundred twenty-one artists (64%) incurred 2 medical attention injuries, and 296 artists (23%) incurred 2 time loss injuries. In both medical attention and time loss injuries, recurrent (range, 7.5%-8.3%) and local injuries (range, 4%-7%) occurred less frequently than subsequent new injuries (range, 81%-87%). Time loss injuries recurred later than medical attention injuries. The pattern of early, late, and delayed injuries was similar for new, local, and recurrent injuries. A greater number of "early" injuries are seen with the treatment definition compared with RTP. Subsequent injuries had similar number of treatments and missed performances (consequences) as index injuries. CONCLUSIONS: In our data, there were a greater number of local and recurrent time loss injuries compared with medical attention injuries, but the injury definition did not affect the relative number of early, late, or delayed injuries. Recurrent injuries are an important component of injury prevention, and clear definitions when presenting recurrent injury data are necessary.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle